بررسی لبه یابی تصویر توسط الگوریتم بهینه سازی اجتماع مورچگان در برابر روشهای کلاسیک تشخیص لبه در تصاویر پزشکی

برای لبه یابی تصاویر دیجیتال روشها و الگوریتم های مختلفی وجود دارد. یکی از این روشها که در سالیان اخیر توجه زیادی را به خودش جلب کرده است، استفاده از الگوریتم بهینه سازی اجتماع مورچه ACO میباشد. روش لبه یابی بر اساس ACO قادر به ایجاد یک ماتریس فرومون است که اطلاعات لبه ی موجود در هر موقعیت پیکسل لبه را بر اساس حرکات تعدادی از مورچه ها که برای حرکت روی تصویر ایجاد می شوند. علاوه بر این، حرکات این مورچه ها از طریق نوسانات محلی مقدارهای شدت تصویر به منظور ایجاد ماتریس فرومون که اطلاعات لبه را در هر پیکسل تصویر نشان میدهد، ایجاد میشود. اهداف روش لبه یابی تصویر بر اساس ACO استفاده کردن از تعدادی مورچه به منظور راه رفتن روی تصویر 2-D برای ساختن ماتریس فرومون است. ورود هر یک از اطلاعات لبه در هر پیکسل مکان تصویر را نشان میدهد. تصاویر لبه یابی شده ی حاصل از الگوریتم های کلاسیک از کیفیت پایینی برخوردار است و اعمال این ماسک ها به تصاویر لبه یابی حاصل از ACO نتیجه ی مطلوبی در بر ندارد. در این مقاله روش های لبه یابی تصاویر بررسی شده و نتایج حاصل از شبیه سازی آنها بر روی تصاویر پزشکی با لبه یابی توسط الگوریتم بهینه سازی اجتماع مورچگان مقایسه شده است. لبه یابی توسط الگوریتم مورچگان دقت بهتری نسبت به لبه یابهای کلاسیک در تصاویر پزشکی دارد.

کلیدواژه ها:

پردازش تصویر ، الگوریتم های لبه بابی کلاسیک ، لبه یابی تصاویر پزشکی ، الگوریتم بهینه سازی اجتماع مورچگان